4.4. Analisis Multivariat
4.4.1. Model Logistik 1. Uji
Hosmer and Lemeshow’s Test Goodness of Fit Test
Uji Hosmer and Lemeshow‟s goodness of fit test sering disebut juga sebagai
uji ketepatan model. Uji ini digunakan untuk mengatahui apakah model regresi logistik sudah sesuai dengan data observasi yang diperoleh. Jika nilai Hosmer and
Lemeshow‟s goodness of fit test statistik sama dengan atau kurang dari 0,05, berarti ada perbedaan signifikan antara model dengan nilai observasinya atau goodness fit
model tidak baik, karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik Hosmer and Lemeshow‟s goodness of fit lebih besar dari 0,05, berarti model
mampu memprediksikan nilai obsevasinya atau dapat dikatakan model cocok dengan observasinya. Hasil uji
Hosmer and Lemeshow’s Goodness of Fit Test dapat kita lihat pada Tabel 4.15. berikut:
Tabel 4.15. Hasil Uji Hosmer and Lemeshow’s Goodness of Fit Test
Step Chi-square
df Sig.
1 .437
8 .274
Dari hasil pengujian pada tabel di atas diperoleh nilai Chi Square sebesar 0.437 dengan nilai Sig sebesar 0.274. Dari hasil tersebut terlihat bahwa nilai Sig lebih
besar dari pada alpha 0.05 yang berarti tidak ada perbedaan antara klasifikasi yang diprediksi dengan klasifikasi yang diamati. Itu berarti model regresi logistik bisa
digunakan untuk analisis selanjutnya.
Universitas Sumatera Utara
2. Uji Model Fit
Pengujian ini dilakukan dengan membandingkan nilai antara -2 log likelihood -2LL pada awal Block Number= 0 dengan nilai -2 log likelihood -2LL pada akhir
Block Number= 1. Adanya pengurangan nilai antara -2LL awal initial -2LL function dengan nilai -2LL pada langkah berikutnya -2LL akhir menunjukkan
bahwa model yang dihipotesiskan fit dengan data. Log Likelihood pada regresi logistik mirip dengan pengertian “Sum of Square Error” pada model regresi sehingga
penurunan log likelihood menunjukkan model regresi semakin baik
Tabel 4.16. Hasil Uji Model Fit 1
Iteration -2 Log likelihood
Coefficients Constant
Step 0 1
75.472 1.086
2 75.256
1.212 3
75.256 1.216
4 75.256
1.216
a Constant is included in the model. b Initial -2 Log Likelihood: 75.256
c Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.
Tabel 4.17. Hasil Uji Model Fit 2
Iteration -2 Log
likelihoo d
Coefficients Constan
t Sikap
Motivasi Sumber
Daya Imbalan
Step 1 1 34.744
-8.468 .105
.083 .419
.087 2
23.152 -14.841
.241 .118
.525 .165
3 18.228
-22.236 .426
.149 .589
.231 4
16.036 -30.606
.639 .193
.664 .285
5 15.269
-38.566 .838
.242 .733
.345 6
15.134 -43.478
.959 .274
.771 .393
7 15.128
-44.726 .989
.281 .781
.406 8
15.128 -44.787
.991 .282
.782 .407
9 15.128
-44.787 .991
.282 .782
.407
Universitas Sumatera Utara
a Method: Enter b Constant is included in the model.
c Initial -2 Log Likelihood: 75.256 d Estimation terminated at iteration number 9 because parameter estimates changed by less than
.001.
Tabel 4.16 dan 4.17 menunjukkan perbandingan antara nilai -2LL blok pertama dengan -2LL blok kedua. Dari hasil perhitungan nilai - 2LL terlihat bahwa
nilai blok pertama Block Number= 0 adalah 75.256 dan nilai -2LL pada blok kedua Block Number= 1 adalah sebesar 15.128. Dengan hasil tersebut dapat disimpulkan
bahwa Model regresi yang kedua lebih baik, karena terdapat penurunan nilai dari blok pertama ke blok kedua.
3. Model Summary
Model Summary dalam regresi logistik sama dengan pengujian R Square pada
model regresi linear. Tujuan dari model Summary adalah untuk mengetahui seberapa besar kombinasi variabel independen mampu menjelaskan variabel dependen dengan
melihat nilai Negelkerke R Square. Nilai Negelkerke R Square ini akan menunjukkan seberapa besar variabel-variabel bebas penelitian ini menjelaskan variabel terikatnya.
Nilai Negelkerke R Square biasanya dibentuk dalam persen agar dapat mengetahui
dengan pasti seberapa jauh penjelasan variabel-variabel bebas terhadap variabel terikatnya.
Tabel 4.18. Model Summary
Step -2 Log likelihood
Cox Snell R Square Nagelkerke R Square
1 15.128a
.576 .875
a Estimation terminated at iteration number 9 because parameter estimates changed by less than .001.
Universitas Sumatera Utara
Tabel di atas memberikan nilai Nagelkerke R Square sebesar 0,875 yang berarti bahwa keempat variabel bebas mampu menjelaskan kinerja bidan sebesar
87,5 dan sisanya yaitu sebesar 12,5 dijelaskan oleh faktor lain.
4.4.2. Pengujian Hipotesis
Kategori